Разработка метода идентификации пригодности измерительного оборудования в управлении автоматизированными производственными системами тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Козлова Александра Владимировна

• Козлова Александра Владимировна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Козлова Александра Владимировна

ВВЕДЕНИЕ

ГЛАВА 1. ОСНОВЫ И ТЕНДЕНЦИИ РАЗВИТИЯ СТАТИСТИЧЕСКИХ МЕТОДОВ УПРАВЛЕНИЯ КАЧЕСТВОМ НА ПРОИЗВОДСТВЕ

1.1 Анализ современной научно-технической, нормативной, методической литературы

1.2 Применения статистических методов при анализе технологических и производственных процессов

1.3 Формирование системного подхода к управлению качеством на основе технологий больших данных и прогнозных технологий

1.4 Использование прогнозной аналитики на производстве

1.4 Выводы по первой главе

ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ ПРОВЕРКИ ПРИГОДНОСТИ ПРОЦЕССА ИЗМЕРЕНИЯ ДЛЯ РЕАЛИЗАЦИИ ЭФФЕКТИВНОГО УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ

2.1 Алгоритм проверки пригодности процесса измерения управления технологическими процессами

2.2 Описание порядка выполнения деятельности по анализу процессов измерения

2.3 Разработка и выполнение мероприятий по улучшению процессов измерений

2.4 Выбор современного метрологического оборудования для реализации эффективной системы статистического управления технологическими процессами на примере оценки погрешности контура и шероховатости поверхности

2.5 Расширение метрологических возможностей систем технического контроля 62 2.5 Выводы по второй главе

ГЛАВА 3. ПОСТРОЕНИЕ СИСТЕМЫ УПРАВЛЕНИЯ КАЧЕСТВОМ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ

3.1 Разработка метода оценки производственного процесса на основе данных измерения с использованием цифровой системы обработки

3.2 Разработка многоуровневого программного обеспечения проектируемой системы

3.3 Выводы по третьей главе

ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МНОГОУРОВНЕВОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ УПРАВЛЕНИЯ СИСТЕМАМОЙ ПРОИЗВОДСТВА ЗАДНИХ АВТОМОБИЛЬНЫХ СТЕКОЛ

4.1 Описание процесса производства задних автомобильных стекол

4.2 Разработка автоматизированной системы для количественной оценки остаточных напряжений при процессе технического контроля задних автомобильных стекол

4.3 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А Фрагмент исходного текста программы оценки возможностей процесса и индексов воспроизводимости

ПРИЛОЖЕНИЕ Б Фрагмент исходного текста программы оценки пригодность технологического процесса

ПРИЛОЖЕНИЕ В Фрагмент исходного текста программы оценки пригодность технологического оборудования

ПРИЛОЖЕНИЕ Г Фрагмент исходного текста программы выбора инновационного метрологического оборудования

ПРИЛОЖЕНИЕ Д Фрагмент исходного текста программы статистической обработки больших данных

ПРИЛОЖЕНИЕ Е Справки о внедрении результатов исследования, полученных в диссертации

Введение диссертации (часть автореферата) на тему «Разработка метода идентификации пригодности измерительного оборудования в управлении автоматизированными производственными системами»

ВВЕДЕНИЕ

Актуальность работы. Программа развития цифровой экономики в Российской Федерации в период до 2035 г. (распоряжение Правительства России от 28 июля 2017 г. №1632-р) определяет основные направления и содержание работ по переходу промышленных предприятий на цифровые технологии - как производственные, так и управленческие.

Конкурентным преимуществом обладают те предприятия, экономика которых основывается на наиболее продвинутых электронных технологиях и услугах, включая технологии анализа «больших данных» и прогностические технологии.

В условиях цифровизации прогнозная аналитика занимает одно из важных мест в формировании автоматизированных производственных систем. Она помогает принимать решения на основе ранее принятых решений и визуализировать отчетность собранной информации.

Необходимым элементом управления автоматизированными производственными системами является оценка функционирования технологической среды, в том числе проверка пригодности процесса измерения. Получаемые в процессе измерения значения характеристик технологического процесса являются основой оценки процесса и должны быть достаточно надежными.

В связи с этим, актуальной задачей является разработка метода идентификации пригодности измерительного оборудования в управлении автоматизированными производственными системами. Необходимость выполнения научных исследований в этой области является актуальным и отражает современный вектор развития в условиях Индустрии 4.0.

Степень разработанности исследования. Вопросам разработки автоматизированных систем машиностроительного производства посвящены труды Соломенцева Ю.М., Митрофанова В.Г., Схиртладзе А.Г., Феофанова А.Н.,

Бурдо Г.Б., Омельченко И.С., Черпакова Б.И., Базрова Б.М.

К вопросам разработки элементов системы управления технологическими и производственными процессами на основе методов статистического управления обращались в своих трудах ряд отечественных и зарубежных ученых: Колмогоров А. И., Смирнов Н. В., Шухарт У., Исикава К., Адлер Ю.П., Лапидус В.А., Мердок Дж., Балестрачи Д., Карей Р.Г., Азгальдов Г.Г. и др.

Однако в настоящее время остаются востребованными исследования в области управления производственными процессами на основе аналитических методов, поскольку в условиях глобальной цифровизации необходима трансформация сложившейся производственной системы с целью ее адаптации к современным информационным технологиям и инновационным техническим решениям.

Целью работы является повышение эффективности производственного процесса технического контроля изделий методом аналитического подхода с использованием цифровой системы обработки данных.

Задачи исследования:

- проведение анализа системы менеджмента качества в условиях перехода от жесткого централизованного управления процессами производства к децентрализованной модели сбора, обработки информации и принятию решений на основе прогнозной аналитики, функционального и структурного анализа технологических операций и автоматизированного оборудования, научных основ высокоэффективной эксплуатации автоматизированного оборудования;

- формирование системного подхода к управлению производственными системами на основе технологий больших данных и прогнозных технологий;

- разработка алгоритма проверки пригодности процесса измерения для реализации эффективной системы на основе аналитических методов управления технологическими процессами;

- разработка автоматизированной системы проверки пригодности измерительного оборудования и статистической обработки большого объёма данных, а также совмещение во времени этих операций с процессом измерения

при реализации предложенных решений.

Научная новизна:

- определены межуровневые связи элементов автоматизированной производственной системы, особенностями которой являются децентрализация сбора и обработки информации в условиях использования современного метрологического оборудования в области контроля качества технологического процесса;

- сформировано расширение понятия «Качество 4.0» как системы управления производственными процессами в условиях цифровых технологий;

- разработан алгоритм проверки пригодности процесса измерения для реализации эффективной системы аналитического управления технологическими процессами, реализующего элементы системы управления производственными системами на основе многоуровневого программного обеспечения;

- предложены методы оценки пригодности производственного процесса на основе данных измерения с использованием цифровой системы обработки информации.

Объект исследования - автоматизированная система оценки производственного процесса на основе данных измерений с использованием цифровой обработки информации.

Предмет исследования - совокупность организационно-методических и управленческих моделей и алгоритмов, модель автоматизированной системы управления производственными процессами и многоуровневое программное обеспечение.

Методы исследования. В работе использовались методы системного анализа, математической статистики, объектно-ориентированного проектирования программных систем и программирования и методы аналитического управления.

Теоретическая значимость исследования заключается в формировании подхода к моделированию многоуровневой системы для управления производственными процессами на основе аналитических методов с

использованием алгоритма для сбора, анализа и хранения необходимых данных о процессах, а также в визуализации аналитики и организации взаимодействия.

Практическая значимость исследования состоит в:

- разработанном комплексе научно-технических решений в области создания системы статистического управления производственными процессами обработки деталей, а также ее адаптация к условиям серийного производства на базе использования метрологического оборудования;

- разработанной автоматизированной системе производственного процесса контроля качества задних автомобильных стекол.

Положения, выносимые на защиту:

- расширение понятия «Качество 4.0» как системы управления производственными процессами в условиях цифровых технологий;

- алгоритм проверки пригодности процесса измерения для реализации эффективной системы аналитического управления технологическими процессами;

- алгоритм цифровой обработки данных с целью осуществления анализа полученных результатов, прогнозирования качества и их последующее внедрение в другие задачи с необходимой адаптацией.

Достоверность и апробация результатов. Достоверность полученных результатов подтверждается соответствием теоретических и экспериментальных итогов исследований, а также созданием исследовательского прототипа системы с разработкой соответствующего программного комплекса.

Основные результаты научного исследования представлены на российских и международных конференциях: Управление качеством в образовании и промышленности, Севастополь, 21-22 мая 2020 года; Качество в производственных и социально-экономических системах, Курск, 17 апреля 2020 года; Наука сегодня: вызовы, перспективы и возможности, Вологда, 11 декабря 2019 года; XXIV Туполевские чтения (школа молодых ученых), Казань, 07-08 ноября 2019 года; International conference on modern trends in manufacturing technologies and equipment 2019, ICMTME 2019, Sevastopol, 09-13 сентября 2019

года; 2018 International conference on modern trends in manufacturing technologies and equipment, ICMTMTE 2018, Sevastopol, 10-14 сентября 2018 года.

Получены свидетельства о государственной регистрации программы для ЭВМ № 2019667751 от 26 декабря 2019г., № 2017614035 от 05 апреля 2017г., 2017613820 от 03 апреля 2017г., 2017613821 от 03 апреля 2017г., 2017614198 от 07 апреля 2017г.

Научные исследования проводились при финансовой поддержке Минобрнауки России в рамках выполнения проекта (ПНИЭР), выполняемого в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 - 2020 годы» (Номер Соглашения о предоставлении субсидии/государственного контракта: 14.574.21.0127).

Соответствие паспорту специальности. Научная работа соответствует формуле научной специальности 05.13.06 - «Автоматизация и управление технологическими процессами и производствами» в пунктах 6, 19.

Публикации по теме работы. По теме диссертации опубликовано 17 научных работ, в том числе в изданиях, рекомендованных ВАК РФ 2 научные работы, в изданиях, входящих в базы данных Scopus и Web of Science 2 научные работы, включая 5 свидетельств о государственной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и содержит 174 страницы сквозной нумерации, включая 43 страницы приложений, 65 рисунков и 8 таблиц. Список литературы содержит 192 наименования.

ГЛАВА 1. ОСНОВЫ И ТЕНДЕНЦИИ РАЗВИТИЯ СТАТИСТИЧЕСКИХ МЕТОДОВ УПРАВЛЕНИЯ КАЧЕСТВОМ НА

ПРОИЗВОДСТВЕ

1.1 Анализ современной научно-технической, нормативной, методической

литературы

Одним из эффективных инструментов анализа и сбора информации о качестве технологического процесса являются статистические методы - методы, базирующиеся на использовании математической статистики. Использование этих методов не несет больших материальных затрат и дает возможность с заданной степенью точности и достоверностью сделать вывод о состоянии исследуемых объектов и процессов в системе обеспечения технологического качества.

Кроме того, использование статистических методов позволяет производить прогноз возникновения проблемы на всех стадиях производственного процесса, осуществлять их коррекцию, а также обеспечивать повышение эффективности принимаемых управленческих решений.

Впервые в 1930-х идею применения статистических методов на производственных предприятиях предложили У. Шухарт и Р. Фишер. У. Шухарт предложил использование статистических методов для контроля качества выпускаемой продукции на серийном производстве, а Р. Фишер для экономического обоснования экспериментов.

Во время Второй мировой войны статистические методы получили широкое распростроенение на промышленных производствах в Великобритании и США, стандарты которых основывались на работах К.Пирсона.

После войны большой прогресс в развитии производства с внедрением статистических методов показала промышленность Японии и до настоящего времени их применение является обязательным.

В последние десятилетия статистические методы, методы статистического анализа, контроля и обеспечения качества эффективно и повсеместно применяются в Германии, Франции, Италии, Голландии, США, Японии, Великобритании, Дании и других странах.

Российский ученые, такие как А. И. Колмогоров, Н. В. Смирнов, А. Я. Хинчин, Я. Б. Шор и другие внесли значительный вклад в развитие теории математической статистики. В послевоенные годы наблюдался определенный прогресс в широком применении этих методов в нашей стране. Однако, практически до настоящего времени, несмотря на научные обоснования их использования, статистические методы не получили должного распространения. Лишь отдельные предприятия отдельных отраслей используют их в производстве.

В России статистические методы не получили должное распростроение. [1] Методы статистического контроля качества рассматривались до сих пор только с точки зрения работы отдела технического контроля. Их внедрение было делом исключительно контрольных служб. В связи с этим произошло практическое свертывание использования статистических методов в промышленности. Основными причинами этого стали:

- слабая экономическая заинтересованность предприятий во внедрении этих методов,

- технологическая дисциплина, отстающая от международных стандартов,

- сложность с практической точки зрения использования имеющихся методических работ в этой области,

- отсутствие в достаточном количестве квалифицированных кадров в этой области,

- плохая стыковка конструкторских норм и технологических, а также метрологических возможностей,

- практическое пренебрежение международными нормами конструкторской и технологической документации.

Однако в 1970-х годах в Совеством Союзе Госстандарт начал комплекс

работ по созданию соответствующей нормативно-технической и методологической документации

Конечно, мнение, что статистические методы самое главное средство решения проблем обеспечения качества является неправильным. Решение такой многогранной проблемы не может быть результатом использования одного, даже высокоэффективного средства. Э. Деминг в своих публикациях [1] отмечал, что «повышения качества, производительности труда и конкурентоспособности продукции нельзя добиться исключительно за счет массированного применения контрольных карт и других статистических методов». Хотя необходимо отметить, что применение методов статистического анализа при внедрении стандартов ИСО 9000 имеет существенное значение, так как с их помощью достигается объективное подтверждение качества продукции предприятия и стабильности процессов.

Современная теория и практика применения статистических методов при анализе технологических и производственных процессов основывается на использовании контрольных карт Шухарта.

Наиболее информативной с точки зрения исследования проблемы использования контрольных карт является работа Ю.П. Адлера, О.В. Максимовой, В.Л. Шпера. [2]

Статистический анализ качества используется в мировой промышленной практике для определения свойств случайного процесса в конкретных условиях производства.

Качество продукции зависит от большого количества связанных и независимых факторов, имеющих как закономерный, так и случайный характер. Для машиностроительного производства к таким факторам относятся точность станочного оборудования, колебания состава материала заготовки, параметры жесткости системы станок-приспособление-инструмент-деталь, колебания температуры, погрешности режущего инструмента, режимы обработки, квалификация специалистов, точность соблюдения параметров предварительной термообработки и др.

Целью использования статистических методов анализа качества является определение степени влияния случайных или закономерных факторов на показатели качества.

Если влияние случайных факторов преобладает - технологический процесс статистически управляемый и применение статистических методов контроля качества, а также хода технологического процесса становится возможным.

Если в технологическом процессе основными факторами являются те, которые носят неслучайный характер (например, нежесткость системы станок-приспособление - инструмент-деталь), процесс называется статистически неуправляемым. Использование методов статистического анализа становится при этом невозможным до определения причин и минимизации степени влияния неслучайных факторов. Затем опять повторяют статистический анализ до достижения статистической управляемости процесса. [3]

Результаты патентного поиска показали, что идеи, заложенные в разработке комплекса научно-технических решений в области создания методов управления автоматизированными произодственными системами, а также их адаптации к условиям серийного производства и разработка алгоритмов управления технологическим процессом с целью осуществления анализа полученных результатов, прогнозирования качества и их последующее внедрение в другие задачи с необходимой адаптацией, могут быть патентоспособными.

1.2 Применения статистических методов при анализе технологических и

производственных процессов

Статистическое управление технологическими и производственными процессами - это управление качеством продукции в процессе производства путем своевременного вмешательства в технологический процесс (настройка, изменение режима работы оборудования, корректировка и т. п.) [4].

Система статистического управления качеством включает в себя следующие этапы:

1. анализ и выбор параметров с определенными допусками, по которым контролируется годность детали;

2. определение места и времени измерений выбранных параметров;

3. проверка пригодности оборудования к изготовлению деталей изделий заданной точности;

4. реализация управления процессом.

Методы статистического контроля качества используются для регулировки технологических процессов, обеспечения их стабильности, предупреждения появления брака. Для оперативной корректировки параметров технологического процесса используются выборочные проверки качества обрабатываемых деталей и изделия.

Продукция, качество которой не соответствует установленным требованиям потребителя, выявляется путем анализа поступивших и признанных рекламаций в соответствии с требованиями стандарта предприятия.

Эти методы включают в себя использование частотного распределения, мер центрирования процесса, рассеивания, контрольных карт, выборочного контроля, регрессионного анализа, критериев значимости и т.п.

Когда статистическое управление качеством применяют для управления ходом процесса, а не управления качеством поставляемых материалов, то часто применяют термин «статистическое управление процессом».

Развитие современных научных подходов к применению статистических методов не всегда предоставляет понятные и легко используемые методики. В 1970-х годах японский ученый профессор К. Исикава определил семь простых инструментов контроля качества:

- диаграмма Парето;

- гистограмма;

- контрольный листок;

- диаграмма разброса;

- стратификация (расслоение);

- диаграмма Исикавы (причинно-следственная диаграмма);

- контрольная карта.

Остановимся более подробно на использовании основного инструмента для реализации сбора и анализа данных в качестве подготовительного этапа реализации использования статистических методов, а именно на контрольных картах Шухарта.

Для того чтобы формализовать представление производственного процесса, начиная с операции ввода в систему заготовки до выхода продукта, необходимо построить математическую модель процесса. Достаточным условием при построении является наличие четких критериев качества создаваемой системы и методов расчета и конструктивного обеспечения системы.

Любое количественное изучение процесса возможно только в том случае, если будут определены величины, которые характеризуют этот процесс (характеристики процесса, функции процесса). Очевидно, что характеристики процесса во времени меняются. По данным, которые мы получим при анализе изменений можно сделать вывод о стабильности процесса.

Контрольная карта Шухарта - это визуальное представление, выполняющее работу по разделению вариабельности/изменчивости на вариабельность, вызванную общими (случайными) и специальными/особыми (временными) причинами. Оно состоит из графика хода самого процесса и трех дополнительных линий: центральной линии, верхнего и нижнего контрольных пределов. Предложенное У. Шухартом правило чтения физуального представления: если все точки находятся между верхним и нижним контрольным пределом, то специальные причины отсутствуют, и процесс по определению считают статистически управляемым (стабильным), что означает его предсказуемость (без чего никакое управление, а, следовательно, и совершенствование невозможны). Если есть точки, выходящие за верхний или нижний контрольные пределы, то специальные причины присутствуют, и процесс по определению

Небольшое количество характеристик процесса может быть описано с

помощью нормального распределения. Отклонения от нормального распределения могут возникать, например, из-за ухудшения качества материала выходного продукта или определяться характеристиками наблюдаемых признаков, таких, например, как отклонение формы и размера, имеющими естественный допуск в нуле. Из-за износа инструмента или погрешностей приспособлений, или из-за колебаний качества материала заготовки постоянно меняется средние значения или рассеяние измеряемых значений того или иного признака. Такие характеристики процесса и коррелирующие с ними признаки можно эффективно использовать для обоснованной оценки производственного процесса, когда при оценке принимаются во внимание значения соответствующих параметров, описанных соответствующими моделями распределения и соответствующих испытаний.

Аналитически закон распределения выражается так: [5]

-(x-j-C)2

F(x)=—^ С1-1)

где F(x) - функция распределения,

х - отклонение от начала координат,

и два параметра нормального распределения а - среднее квадратичное отклонение, ц - математическое ожидание.

Математическое ожидание выражается соотношением:

Íoo

х F (х) сС х (1.2)

-оо

Среднее квадратичное отклонение, в свою очередь, выражается

соотношение:

а(х) =

rao

I [х-ц (х) ] 2F (x)dx (1.3)

-у J —оо

Если параметр процесса х будет попадать заданную зону, которая обуславливается правилом 3а , т.е. ц + 3а (в соответствии с правилом в этот интервал должны попасть 99,77% всех значений величины х) , то можно говорить о стабильности процесса, так как нет отклонений от нормального распределения.

При создании контрольных карты необходимо вначале рассчитать значения верхней и нижней контрольных границ. Затем в виде точки на графике зафиксировать текущее состояние процесса. Признаком того, что процесс вышел из стабильного состояния служит выход точек за контрольные границы. Существуют различные тренды в расположении точек. [6]

Если при расшифровки контрольной карты специалист службы качества наблюдает выход из стабильного состояния, то ему необходимо, не вмешиваясь и не останавливая работу станка или линии, сообщить об этом оператору, а оператор в свою очередь принимает решение о необходимости вмешаться в процесс. Далее специалисту службы качества необходимо продолжать наблюдение за поведением графика на контрольной карте. до тех пор, пока контрольные карты не покажут полную управляемость процесса. [6]

Каждая точка на графике функции вероятностей показывает вероятность того, что случайная величина будет меньше или равна этому значению. На рисунке 2 вероятность того, что длина резьбы будет меньше или равна 14,069 мм, составляет 80%. Таким образом, 14,069 мм является 80% квантилем этой функции распределения.

В диапазоне плюс-минус шесть стандартных отклонений (6а) находится 99,73% всех случайных величин, распределенных по этому закону. График

плотности вероятности (первой производной от функции вероятности) представлен на рисунке 3.

За границами этой зоны находится 0,27% значений, т.е. по 0,135% справа и слева. Как следствие, для нормального закона распределения соответствующие квантили (ц-3а) и (ц+3а) ограничивают диапазон, внутри которого с соответствующей вероятностью (уровнем доверия) ожидается нахождение результатов выборки (значений). Значения этих квантилей в процентах (такое представление принято называть процентилями) Х0дз5% и Х99,865% . Эти два значения называются нижним ^нижн) и верхним ^верхн) квантилями соответственно.

Определение границ диапазона рассеяния через количество стандартных отклонений (например, ± 3а) относится только к нормальному закону распределения. Но в то же время, определение аналогичного диапазона через верхний и нижний квантили возможно для любого закона распределения, поскольку для любого закона можно определить точки с уровнем значимости 0,135% и 99,865% процентов. Интервал, ограниченный квантильными границами 0,135% и 99,865% , называется опорным интервалом. Фактически, нормальный закон распределения является только частным случаем, для которого опорный интервал равен 6а.

Рисунок 1.2 - Вероятностная сетка нормального закона распределения

Рисунок 1.3 - График плотности вероятности для нормального закона

распределения.

Для количественного определения стабильности процесса применяются специальные индексы: индексы воспроизводимости и индексы пригодности процесса.

Статистические методы направлены на создание процессов, обеспечивающих и поддерживающих уровень качества, заданный документацией на продукт и действующими нормами и стандартами, в том числе и международными.

На качество влияют различные факторы внешней и внутренней среды предприятия.

Внешние факторы:

- уровень требований к качеству (потребители, прогресс, конкуренты);

- наличие поставщиков капитала, трудовых ресурсов, материалов, энергии, услуг;

- действующее законодательство в области качества и работа государственных органов.

Внутренние факторы предприятия:

- материальная база предприятия (финансы, оборудование, инфраструктура);

- персонал (квалификация и мотивация);

- качество проекта (совершенство конструкции);

- качество исполнения (применение передовых технологий);

- стабильность процессов.

Управлять можно только тем, что можно измерить. Характеристики могут быть выбраны по различных критериям, например, характеристики, которые показали определенные проблемы с процессом; характеристики, необходимость управления качеством которых определена анализом видов и последствий отказов. Основа информации - это сбор данных. Сбор данных - не что иное, как получение необходимой информации в числовом выражении для последующего (статистического) анализа проблемы. Эти данные являются основой для принятия решения и корректирующих действий.

Список литературы диссертационного исследования кандидат наук Козлова Александра Владимировна, 2021 год

СПИСОК ЛИТЕРАТУРЫ

1. Деминг, Э. Выход из кризиса. Новая парадигма управления людьми, системами процессами / Эдвардс Деминг - М.: Альпина Бизнес Букс, 2007 - 370 с. (W.E. Deming. Out of Crisis. - First MIT edition, 2000);

2. Адлер, Ю.П. Контрольные карты Шухарта в России и за рубежом: краткий обзор современного состояния (статистические аспекты) / Ю.П. Адлер, О.В. Максимова, В.Л. Шпер // Стандарты и качество. - 2011. - №7. - с. 82 - 87.

3. Кулагова, И.А. Интенсификация деятельности руководителей и специалистов - пути к повышению эффективности управления на предприятии / И.А. Кулагова, В.В. Бондаренко

4. Локтев, Д.А. Статистическое управление производственными процессами - ключ к успеху современного промышленного предприятия / Д.А. Локтев // Известия Московского государственного технического университета МАМИ. - 2014. - Т. 2. № 1 (19). - С. 128-136.

5. ГОСТ Р 51814.5-2005 Системы менеджмента качества в автомобилестроении. Анализ измерительных и контрольных процессов. - М.: Стандартинформ, 2007. - 54 с.

6. Жилин, А.А. Совершенствование контроля автомобильного стекла путем создания автоматизированной системы статистической оценки внутренних напряжений: диссертация кандидата технических наук: 05.13.06 / Жилин Алексей Александрович; [Место защиты: ГОУ ВПО "Московский государственный технологический университет "Станкин"]. - М., 2006. - 188 с.

7. Адлер, Ю. П. Интерпретация контрольных карт Шухарта/ Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2003. - №11.

8. Адлер, Ю. П. Контрольные карты Шухарта / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2003. - №№5, 7.

9. Адлер, Ю. П. Контрольные карты Шухарта в действии / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2004. - №2.

10. Адлер, Ю. П. Контрольные карты Шухарта для качественных признаков / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2004. - №6.

11. Адлер, Ю. П. На пути к статистическому управлению процессами / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2003. - №3.

12. Адлер, Ю. П. Работа с контрольными картами Шухарта / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2004. - №3.

13. Адлер, Ю. П. Умеем ли мы измерять / Ю.П. Адлер, В.Л. Шпер // -Методы оценки соответствия. - 2006. - №№ 5, 7, 11; 2007. - №№ 2, 6, 7; 2008. - № 6; 2010. - №№ 1, 2, 3.

14. Адлер, Ю.П. Истоки статистического мышления / Ю.П. Адлер, В.Л. Шпер // Методы менеджмента качества. - 2003. - №1. - С.34-40.

15. Адлер, Ю.П. Проблемы применения методов статистического управления процессами на отечественных предприятиях / Ю.П. Адлер, С.Ф. Жулинский, В.Л. Шпер // Методы менеджмента качества. - 2009. - №8. - с.36-40; №9. - с.24-29.

16. Адлер, Ю.П. Управление качеством. Часть 1. Семь простых методов / Ю.П. Адлер. - М.: МИСиС, 2001. - 138 с.

17. Аристов, А.И. Статистические методы регулирования технологических процессов / А.И. Аристов - М.: Изд-во "Знание" (Качество и надежность изделий №5), 1990. - с.48-97.

18. Ачеркан, Н.С. Статистические методы контроля промышленной продукции. Основы теории и практики применения в зарубежной промышленности / Наум Самойлович Ачеркан. - М.: Машгиз, 1946. - 138 с.

19. Бендерский, А. М. Обоснование плана контроля при применении простых контрольных карт / А.М. Бендерский, Ю.Д. Филиппов. // Надежность и контроль качества. - 1987. - №6. - с.20-26.

20. Бендерский, А.М. О стандарте на статистическое регулирование технологических процессов при нормальном распределении контролируемого параметра / А.М. Бендерский, Л.В. Баумгартен // Надежность и контроль качества. - 1977. - №8. - с.66-74.

21. Бендерский, А.М. Стандартизация статистических методов управления качеством / А.М. Бендерский, А.А. Богатырев, Л.В. Баумгартен. - М.: Изд-во стандартов, 1983.- 152 с.

22. Богатырев, А.А. Стандартизация статистических методов управления качеством / А.А. Богатырев, Ю.Д. Филиппов. - М.: Изд-во стандартов, 1989. - 120 с.

23. Большев, Л.Н. Таблицы математической статистики / Л.Н. Большев, Н.В. Смирнов. - М.: Наука, Главная редакция физико-математической литературы, 1983. - 416 с.

24. Боярский, Э. А. Порядковые статистики / Э.А. Боярский. - М.: Статистика 1972. - 120 с.

25. Герасимова, Г.Е. Статистическое управление технологическим процессом (Обзор) / Г.Е. Герасимова, Ю.А. Стерьхов. - Надежность и контроль качества. - 1994. - №12. - с.43-49; 1995. - №2. - с.46 - 57.

26. Глудкин, О.П. Всеобщее управление качеством: Учебник для вузов / О.П. Глудкин, Н.М. Горбунов, А.И. Гуров, Ю.В. Зорин; под ред. О.П. Глудкина. -М.: Радио и связь, 1999. - 600с.

27. Горский, В.Г. Планирование промышленных экспериментов. Модели статики / В.Г. Горский, Ю.П. Адлер. - М.: Металлургия, 1974. - 264. с.

28. ГОСТ 12.3.002-2014 Система стандартов безопасности труда. Процессы производственные. Общие требования безопасности. - М.: Стандартинформ, 2019. - 9 с.

29. ГОСТ Р 50779.10-2000 (ИСО 3534.1-93) Статистические методы. Вероятность и основы статистики. Термины и определения. - М.: Стандартинформ, 2000. - 46 с.

30. ГОСТ Р 50779.11-2000 (ИСО 3534.2-93) Статистические методы. Статистическое управление качеством. Термины и определения. - М.: ИПК Издательство стандартов, 2000. - 42 с.

31. ГОСТ Р 50779.30-95 Статистические методы. Приемочный контроль качества. Общие требования. - М.: ИПК Издательство стандартов, 1995. - 28 с.

32. ГОСТ Р 50779.42-99 Статистические методы. Контрольные карты Шухарта. - М.; ИПК Издательство стандартов, 1999. - 36 с.

33. ГОСТ Р 50779.71-99 (ИСО 2859.1-89) Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 1. Планы выборочного контроля последовательных партий на основе приемлемого уровня качества AQL. - М.; ИПК Издательство стандартов, 1999. - 74 с.

34. ГОСТ Р 50779.72-99 (ИСО 2859-2-85) Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 2. Планы выборочного контроля отдельных партий на основе предельного качества LQ. -М.; ИПК Издательство стандартов, 1999. - 28 с.

35. ГОСТ Р 50779.73-99 (ИСО 2859.3-91) Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 3. Планы выборочного контроля с пропуском партий. - М.; ИПК Издательство стандартов, 1999. - 16 с.

36. ГОСТ Р 51814.3-2001 Системы качества в автомобилестроении. Методы статистического управления процессами. - М.; ИПК Издательство стандартов, 2001. - 36 с.

37. ГОСТ Р 51814.5-2005. Системы менеджмента качества в автомобилестроении. Анализ измерительных и контрольных процессов. - М.; Стандартинформ, 2005. - 54 с.

38. ГОСТ Р ИСО 11843-7-2014. Статистические методы. Способность обнаружения. Часть 7. Методы оценки с учетом фонового шума. - М.; Стандартинформ, 2015. - 19 с.

39. ГОСТ Р ИСО 15746-1-2016 Системы промышленной автоматизации и интеграция. Интеграция возможностей усовершенствованного управления технологическими процессами и оптимизации для производственных систем. Часть 1. Структура и функциональная модель - М.: Стандартинформ, 2017. - 22 с.

40. ГОСТ Р ИСО 5725-6-2002. Точность (правильность и прецизионность) методов и результатов измерений. Часть 6. Использование значений точности на практике. - М.; ИПК Издательство стандартов, 2002. - 51 с.

41. Деминг, Э. Лекция перед японскими менеджерами / Эдвардс Деминг // Методы менеджмента качества, 2000, №10, с.24-29.

42. Деминг, Э. Новая экономика / Эдвардс Деминг. - М.: ЭКСМО, 2006. -208 с. (W.E. Deming. The New Economics: For Industry, Government, Education. -MIT, 2nd Ed., 1994)

43. Джуран, Дж. У истоков статистического контроля качества / Дж. Джуран // Надежность и контроль качества. - 1998. - №7. - С. 50-54; №8. - С. 1321.

44. Дунин-Барковский, И. В. Теория вероятностей и математическая статистика в технике (общая часть)/Физико-математическая библиотека инженера / И.В. Дунин-Барковский, Н.В. Смирнов. - М.: Гос. Изд-во технико-теоретической литературы, 1955. - 556 с.

45. Дэйвид Г. Порядковые статистики / Г. Дейвид. - М.: Наука, 1979. -336 с. (David H.A. Order Statistics. - 1970)

46. Егоров, С. Б. Изменчивость технологических процессов как часть реализации системы статистического управления / С. Б. Егоров, А. В. Капитанов, А. В. Козлова // Цифровая экономика: оборудование, управление, человеческий капитал : материалы всероссийской научно-практической конференции, Вологда, 25 декабря 2018 года. - Вологда: ООО «Маркер», 2018. - С. 30-31.

47. Егоров, С.Б. Методы статистического управление процессами и повышение качества продукции // С.Б. Егоров, А.А. Локтев, А.В. Капитанов, Д.А. Локтев, Т.П. Егорова // Международный журнал экспериментального образования. - 2016. - № 11-1. - С. 98-102

48. Егоров, С.Б. Управление качеством технологических процессов на основе статистического анализа, Страна живет, пока работают заводы. Сборник научных трудов Международной научно-технической конференции / С.Б. Егоров, А.В. Капитанов, А.В. Сильянова. - М.: ИП Пучков Игорь Иванович, 2015. - С. 124-128.

49. Ефимов, В.В. Статистические методы в управлении качеством продукции: учеб. пособие / В.В. Ефимов, Т.В. Барт. - М.: КНОРУС, 2006. - 240 с.

50. Жулинский, С.Ф. Статистические методы в современном менеджменте качества / С.Ф. Жулинский, Е.С. Новиков, В.Я. Поспелов. - М.: Фонд «Новое тысячелетие», 2001. - 208 с.; С. 141- 197.

51. Илларионов, О. И. Обнаружение разладки технологического процесса с помощью Х - карт по нескольким выборкам / О.И. Илларионов. // Надежность и контроль качества. - 1992. - №12. - с.21-28.

52. Илларионов, О.И. Нужна ли теория контрольных карт? / О.И. Илларионов. // Методы Менеджмента Качества. - 2005. - №3. - С. 38-42.

53. Илларионов, О.И. Оптимизация планов контроля при статистическом регулировании технологических процессов групповой обработки изделий. X -карты / О.И. Илларионов. // Надежность и контроль качества. - 1996. - №9. - С. 21-28.

54. Илларионов, О.И. Подоптимальные X - планы статистического регулирования технологических процессов групповой обработки/ О.И. Илларионов. // Надежность и контроль качества. -1998. - №6. - С. 56-61.

55. Илларионов, О.И. Проектирование контрольных карт на основе критерия полной вероятности брака / О.И. Илларионов. // Методы Менеджмента Качества. - 2003. - №6. - С. 32-36.

56. Илларионов, О.И. Расчет средних длин серий выборок при анализе налаженного и разлаженного технологических процессов для случая постепенной разладки / О.И. Илларионов. // Надежность и контроль качества. - 1989. - №1. -с.32-36.

57. Илларионов, О.И. Расчет характеристик контрольных х -карт при неточной наладке технологического процесса/ О.И. Илларионов. // Методы Менеджмента Качества. - 2000. - №11. - С. 16-20.

58. Илларионов, О.И. Слагаемые эффективности контрольных карт/ О.И. Илларионов. // Методы Менеджмента Качества. - 2005. - №2. - С. 30-35.

59. Илларионов, О.И. Статистическое регулирование технологических процессов с использованием х - карт при случайных изменениях среднего значения контролируемого параметра / О.И. Илларионов. // Надежность и

контроль качества. -1991. - №4. - с.21-27.

60. Илларионов, О.И. Статистическое регулирование технологических процессов с использованием контрольных карт выборочного среднего при неизвестной дисперсии контролируемого параметра/ О.И. Илларионов. // Надежность и контроль качества. -1999. - №12. - С. 37-44.

61. ИСО 8402-94 Управление качеством и обеспечение качества. Словарь. (Оригиналы международных стандартов ИСО - во ВНИИКИ Госстандарта России). - 1994. - 53 с.

62. Кане, М.М. Системы, методы и инструменты менеджмента качества: Учебное пособие / М.М. Кане, Б.В. Иванов, В.Н. Корешков, А.Г. Схиртладзе. -СПб.: Питер, 2008. - 580 с.

63. Капитанов, А. В. Распределение качественных признаков в отношении выбора используемых математических методов / А. В. Капитанов, А. В. Козлова // Перспективы развития технологий обработки и оборудования в машиностроении : сборник научных статей 4-й Всероссийской научно-технической конференции с международным участием, Курск, 18-19 февраля 2019 года. - Курск: Закрытое акционерное общество "Университетская книга", 2019. - С. 120-122.

64. Капитанов, А. В. Система менеджмента качества в условиях цифровизации / А. В. Капитанов, А. В. Козлова // XXIV Туполевские чтения (школа молодых ученых) : Материалы Международной молодёжной научной конференции. В 6-ти томах, Казань, 07-08 ноября 2019 года. - Казань: ИП Сагиева А.Р., 2019. - С. 143-147.

65. Капитанов, А.В. Использование результатов измерения в системах статистического управление процессами, Реальность - сумма информационных технологий, сборник научных статей международной молодежной научно-практической конференции / А.В. Капитанов, А.В. Козлова. - Курск: Юго-Западный государственный университет, 2016. - С. 119-122.

66. Капитанов, А.В. Использование результатов измерения в системах статистического управление процессами / А. В. Капитанов, А. В. Козлова //

Реальность - сумма информационных технологий : сборник научных статей международной молодежной научно-практической конференции, Курск, 08-10 сентября 2016 года. - Курск: Юго-Западный государственный университет, 2016. - С. 119-122.

67. Капитанов, А.В. Качество 4.0 и его влияние на статистическое управление качеством/А.В. Капитанов, А.В. Козлова // Наука сегодня: вызовы, перспективы и возможности: Материалы международной научно-практической конференции. В 2-х частях, Вологда, 11 декабря 2019 года. - Вологда: ООО "Маркер", 2019. - С. 29-30.

68. Капитанов, А.В. Распределение качественных признаков в отношении выбора используемых математических методов, Перспективы развития технологий обработки и оборудования в машиностроении, Сборник научных статей 4-й Всероссийской научно-технической конференции с международным участием / А.В. Капитанов, А.В. Козлова. - Курск: Закрытое акционерное общество "Университетская книга", 2019. - С. 120-122.

69. Каррион, А. Учет частоты дефектов в контрольных картах по качественному признаку / А. Каррион, С. Сан Матиас // Методы Менеджмента Качества. - 2004. - №4. - С. 37-40.

70. Клячкин, В.Н. Анализ эффективности многомерного контроля технологического процесса / В.Н. Клячкин // Методы менеджмента качества. -2002. - №4. - С. 32-34.

71. Клячкин, В.Н. Многомерный статистический контроль технологического процесса / В.Н. Клячкин. - М.: Финансы и статистика, 2003. -192 с.

72. Клячкин, В.Н. Статистические методы в управлении качеством: компьютерные технологии: учеб. пособие / В.Н. Клячкин. - М.: Финансы и статистика, 2007. - 304 с.

73. Кобзарь, А.И. Прикладная математическая статистика. Для инженеров и научных работников / А.И. Кобзарь - М.: ФИЗМАТЛИТ, 2006. - 816 с.

74. Козлова, А. В. Разработка алгоритма цифровой обработки данных с

целью осуществления анализа полученных результатов, прогнозирования качества и их последующее внедрение в другие задачи с необходимой адаптацией / А. В. Козлова // Вестник МГТУ Станкин. - 2021. - № 1(56). - С. 59-63.

75. Козлова, А. В. Разработка алгоритма цифровой обработки данных с целью осуществления анализа полученных результатов, прогнозирования качества и их последующее внедрение в другие задачи с необходимой адаптацией / А. В. Козлова // Вестник МГТУ Станкин. - 2021. - № 1(56). - С. 59-63.

76. Козлова, А.В. Применение закона распределения случайных величин при статистическом анализе точности и стабильности технологических и производственных процессов / А.В. Козлова, А.В. Капитанов, В.Г. Мешков // Управление качеством в образовании и промышленности : Сборник статей Всероссийской научно-технической конференции, Севастополь, 21-22 мая 2020 года / Редколлегия: Белая М.Н. (отв. ред.). - Севастополь: Федеральное государственное автономное образовательное учреждение высшего образования "Севастопольский государственный университет", 2020. - С. 188-192.

77. Козлова, А.В. Развитие системы менеджмента качества после внедрения цифровизации в компании / А.В. Козлова, Н.И. Скворцов // Качество в производственных и социально-экономических системах : сборник научных трудов 8-й Международной научно-технической конференции, Курск, 17 апреля 2020 года. - Курск: Юго-Западный государственный университет, 2020. - С. 220223.

78. Королькевич, В.А., Королькевич Е. В. Контрольная карта для робастных технологических процессов / В.А. Королькевич, Е.В. Королькевич // Стандарты и качество. - 1990. - №5. - С. 40-41.

79. Коуден, Д. Статистические методы контроля качества / Д. Коуден; под ред. Б.Р. Левина. - М.: Физматлит, 1961. - 624 с. (D. J. Cowden. Statistical Methods in Quality Control. - Englewood Cliffs, N.J., 1957)

80. Круглов, М.Г. Управление качеством: Учебное пособие / М.Г. Круглов, Г.М. Шишков. - М.: МГТУ «СТАНКИН», 1999. - 234 с.; С. 155-159

81. Кузнецов, Л.А. Контроль и оценка многомерного качества / Л..А.

Кузнецов // Методы Менеджмента Качества. - 2008. - №10. - С. 40-45.

82. Кузнецов, Л.А. Контрольные карты: определение границ регулирования при переменном объеме выборки / Л.А. Кузнецов, Д.Ю. Вишняков // Методы Менеджмента Качества. - 2008. - №8. - С. 26-30.

83. Кузнецов, Л.А. Построение карт контроля качества с помощью непараметрического критерия Вилкоксона - Манна - Уитни / Л.А. Кузнецов, М.Г. Журавлева // Заводская лаборатория. Диагностика материалов. - 2009. - №1. - С. 70-74.

84. Кузнецов, Л.А. Построение карт контроля процессов с отличающимися от нормального распределениями показателей качества / Л.А. Кузнецов, М.Г. Журавлева // Методы Менеджмента Качества. - 2009. - №12. - С. 34-38.

85. Лагутин, М.Б. Наглядная математическая статистика: Учебное пособие / М.Б. Лагутин. - М.: БИНОМ Лаборатория знаний, 2007- 472 с.

86. Лапидус, В.А. Система статистического управления процессами. Система Шухарта / В.А. Лапидус // Надежность и контроль качества. - 1999. -№5. - С. 11-19; №6. - С. 3-13; №7. - С. 13-21.

87. Левин, Д. М. Статистика для менеджеров с использованием Microsoft® Excel. 4 изд.: Пер. с англ. / Д. М Левин, Д. Стефан, Т. С Кребиль, М. Л. Беренсон. - М.: "Вильямс", 2004. - 1312 с. (Le-vine D.M. et al. Statistics for Managers Using Microsoft® Excel. 4th Ed. - Prentice Hall, 2002)

88. Макино Т. Контроль качества с помощью персональных компьютеров. - Пер. с японск. А.Б. Орфенова; под ред. Ю.П. Адлера. / Т. Макино, М. Охаси, Х Докэ, К Макино. - М.: Машиностроение, 1991. - 224 с.; С.166-174

89. Мердок Дж. Контрольные карты/Пер. с англ. - М.: Финансы и статистика, 1986.- 152 с. (J. Murdoch. Control Charts. - The Macmillan Press Ltd, 1979.)

90. Митрохин, И.Н. Обнаружение разладки с помощью контрольных карт / И.Н. Митрохин, А.И. Орлов // Заводская лаборатория. Диагностика материалов. -2007. - Т.73. №5. - С.74-78.

91. Миттаг Х.- Й. Статистические методы обеспечения качества/Пер. с нем. / Х.-Й. Миттаг, Х. Ринне. - М.: Машиностроение, 1995. - 616 с. (H. Rinne, H.-J. Mittag. Statistische Methoden der Qualitätssicherung. - Hanser, 1993)

92. Натальченко, Н.В. Применение статистических методов при оценке результативности процесса производства мяса бройлеров / Н.В. Натальченко // Все о качестве (Отечественный опыт). - 2009. - Вып.58. - С. 79-86.

93. Непомилуев, В.В. Контрольные карты Шухарта как инструмент управления негауссовыми процессами / В.В. Непомилуев, И.В. Дюпин // Методы менеджмента качества. - 2005. - №9. - С. 34-38.

94. Нив, Г. Пространство доктора Деминга: Принципы построения устойчивого бизнеса / Г. Нив. - М.: Альпина Бизнес Букс, 2005. -370 с. (H. Neave. The Deming Dimension. - SPC Press, 1990.)

95. Ноулер Л., Хауэлл Дж., Голд Б. и др. /Пер. с англ. Статистические методы контроля качества продукции. - М.: Издательство стандартов, 1984. - 104 с. (L.A. Knowler et al. Quality Control by Statistical Methods. - McGraw-Hill Book Company, 1969)

96. Применение статистических методов для рабочих: Практическое руководство. - Нижний Новгород: Нижегородский НИЦ КД. СМЦ «Приоритет», 2002. - 29 с.

97. Просветов, Г.И. Теория вероятностей и математическая статистика: задачи и решения / Г.И. Просветов. - М.: Альфа-Пресс, 2009. - С. 203-216.

98. Просто о сложном. Введение в статистический контроль качества производственного процесса. - Серия "Все о качестве. Зарубежный опыт." - М.: НТК "Трек", 2000. - 21 с.

99. Розенталь, Р.М. Почему в российских компаниях так мало SPC? / Р.М. Розенталь //Методы Менеджмента Качества. - 2010. - №2. - с.41-45.

100. Сархан, А. Введение в теорию порядковых статистик / А. Сархан, Б. Гринберг. - М: Статистика, 1970 - 414 с.

101. Свидетельства о государственной регистрации программы для ЭВМ № 2019667751 Российская Федерация. Статистическая обработка больших

данных, полученных с помощью современного цифрового оборудования в области контроля качества технологического процесса : № 2019666379 : заявл. 12.12.2019 : опубл. 26.12.2019 / А. В. Козлова, Л. А. Амачиев, А. В. Капитанов, А. Н. Феофанов ; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН».;

102. Свидетельства о государственной регистрации программы для ЭВМ № 2017614035 Российская Федерация. Программный модуль, оценивающий пригодность технологического оборудования экспериментального образца комплекса программных средств "SPC StatPRO": № 2016662547: заявл. 18.11.2016: опубл. 05.04.2017 / В.Г. Митрофанов, С.А. Тясто, А.В. Капитанов [и др.]; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН»;

103. Свидетельства о государственной регистрации программы для ЭВМ № 2017613820 Российская Федерация. Программный модуль оценки возможностей процесса и индексов воспроизводимости и пригодности процесса экспериментального образца комплекса программных средств "SPC StatPRO": № 2016662600: заявл. 18.11.2016: опубл. 03.04.2017 / В.Г. Митрофанов, С.А. Тясто, А.В. Капитанов [и др.]; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН»;

104. Свидетельства о государственной регистрации программы для ЭВМ № 2017613821 Российская Федерация. Программный модуль, оценивающий пригодность технологического процесса экспериментального образца комплекса программных средств "SPC StatPRO": № 2016662603: заявл. 18.11.2016: опубл. 03.04.2017 / В.Г. Митрофанов, С.А. Тясто, А.В. Капитанов [и др.]; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН»;

105. Свидетельства о государственной регистрации программы для ЭВМ № 2017614198 Российская Федерация. Программный модуль для выбора инновационного метрологического оборудования экспериментального образца комплекса программных средств "SPC StatPRO": № 2016662503: заявл. 18.11.2016: опубл. 07.04.2017 / В.Г. Митрофанов, С.А. Тясто, А.В. Капитанов [и др.]; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН».

106. Святловский, Е.Е. Занимательная статистика / Е.Е. Святловский. -Ленинград: Кооперативное изд-во "Время", 1933. - 240 с.

107. Седдон, Дж. Свобода от приказов и контроля. Путь к эффективному сервису / Дж. Седдон. - М.: РИА "Стандарты и качество", 2009. - 232 с.

108. Сигел Э. Ф. Практическая бизнес-статистика. 4 изд.: Пер. с англ. - М.: "Вильямс", 2002. - 1056 с. (Siegel A.F. Practical Business Statistics. 4th Ed. -McGraw-Hill, 2000)

109. Скворцов, Н. И. Контроль нарушений на промышленном предприятии за счет внедрения автоматизированной системы менеджмента качества / Н.И. Скворцов, А.А. Сеничев, А.В. Козлова // Перспективы развития технологий обработки и оборудования в машиностроении : Сборник научных статей 5-й Всероссийской научно-технической конференции с международным участием, Курск, 14 февраля 2020 года / Редколлегия: А.А. Горохов. - Курск: Юго-Западный государственный университет, 2020. - С. 296-298.

110. Статистические методы повышения качества/Под ред. Х. Куме. Перевод с англ. Адлера Ю. П., Конаревой Л. А. - М.: Финансы и статистика, 1990. - 304 с. (Hitoshi Kume. Statistical methods for quality improvement. - AOTS, 1985)

111. Статистическое управление процессами. SPC: Ссылочное руководство. - Н. Новгород: ООО СМЦ «Приоритет», 2006. - 224 с.

112. Статистическое управление технологическим процессом (методическое пособие). - Серия "Все о качестве. Отечественные разработки." -М.: НТК "Трек", 2001. - 60 с.

113. Уилер Д. Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта. Пер. с англ. / Д. Уилер, Д Чамберс. - М: Альпина Бизнес Букс, 2009. - 409 с. (Wheeler D. J., Chambers D. S. Understanding Statistical Process Control. 2nd Ed. - SPC Press, 1992).

114. Хастингс, Н. Справочник по статистическим распределениям / Н. Хастингс, Дж. Пикок - М.: Статистика, 1980. - 95 с.

115. Хэнсен Б.Л. Контроль качества. Теория и применения. Пер. с англ.; Под ред. А.К. Шубникова. - М.: Прогресс, 1968. - 415 с. (Quality control: theory and applications / Bertrand L. Hansen. - Englewood Cliffs, N.J. : Prentice-Hall, 1963.)

116. Шор, Я.Б. Статистические методы анализа и контроля качества и надежности / Я.Б. Шор. - М.: Сов. Радио, 1962. - 552с.

117. Шпер, В.Л. Ещё раз о контрольных картах и вокруг них. Размышления по поводу одной заокеанской дискуссии / В.Л. Шпер // Надежность и контроль качества. - 1998. - №10, с.3-13.

118. Шторм, Р. Теория вероятностей. Математическая статистика. Статистический контроль качества. - М.: Мир, 1970. - 368 с. (R. Storm. Wahrscheinlichkeitsrechnung Mathematische Statistik Statistische Qualitätskontrolle. -VEB Fachbuchverlag, 1957).

119. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ/Предисловие Ю.П. Адлера, Ю.А. Кошевника. -М.: Финансы и статистика, 1988. - 263 с.

120. Эффективность государственного управления. - Пер. С англ.; Общ. Ред. С. А. Батчикова и С. Ю. Глазьева. - М.: Фонд «За экономическую грамотность», Российский экономический журнал, Издательство АО «Консалтбанкир», 1998. - 848 с.; ККШ - С. 707-734.

121. Юнак, Г.Л. Об интерпретации серий на контрольных картах / Г.Л. Юнак, В.Е. Годлевский, А.Н. Плотников // Методы менеджмента качества. - 2005. - №4. - С. 41-48.

122. Aroian, L.A. The Effectiveness of Quality Control Charts / L.A. Aroian, H. Levene // Journal of the American Statistical Association, 1950. -vol.45. - pp.520-529.

123. Balestracci, D. Data Sanity: A Quantum Leap to Unprecedented Results / D. Balestracci. - Medical Group Management Association, 2009. - 304 P.

124. Bare, I.L. The Self-Instructional Route to Statistical Process Control / I.L. Bare, B.F. Bare. - Mil- waukee, ASQ Quality Press, 1991. -166 P.

125. Bisgaard, S. Checking Stability with the Variogram / S. Bisgaard, M. Kulahci. - Quality Engineering, 2005. - vol. 17. - p.323-327.

126. Bisgaard, S. Must a Process Be in Statistical Control before Conducting Designed Expe- riments? With Discussion / S. Bisgaard. - Quality Engineering, 2008. -vol.20. - p. 143-176.

127. Box, G. Rethinking Statistics for Quality Control / G. Box, S. Narasimhan. - Quality Engineering, 2010. - vol. 22. - p.60-72.

128. Box, G. Selection of Sampling Intervals and Action Limit for Discrete Feedback Adjustment / G. Box, A. Luceno - New York. - Wiley. - 1994.

129. Box, G. Statistical Process Monitoring and Feedback Adjustment: A Discus-sion / G. Box, T. Kramer. - Technometrics, 1992. - vol. 34(3). - p. 251-267.

130. Carey, R.G. Improving Healthcare with Control Charts: Basic and Advanced SPC Methods and Case Studies / R.G. Carey. - ASQ Quality Press, Milwaukee, WI. - 2003.

131. Carey, R.G. Quality with Confidence in Healthcare: A Practical Guide to Quality Improvement in Healthcare/ R.G. Carey, R.C. Lloyd - N.Y., SPSS Inc., 1997. -218 P.

132. Chakraborti, S. Phase I Statistical Process Control Charts: An Overview and Some Results / S. Chakraborti, S.W. Human, M.A. Graham. - Quality Engineering, 2009. - v.21. - pp.52-62.

133. Cox, D.R. The mean and coefficient of variation of range in small samples from nonnormal populations/ D.R. Cox. - Biometrika, 1954. - v.41. - pp.469-481.

134. Davis, R.B. Performance of the Control Chart Trend Rule Under Linear Shift / R.B. Davis, W.H. Woodall // Journal of Quality Technology. - 1988. - vol.20, No.4 (Oct.). - pp.260-262.

135. Duncan, A.J. The economic design of x-chart used to maintain current

control of the 16 process / A.J.Duncan // J. Amer. Stat. Association. - 1956. - v.51, #274. - pp.228-242.

136. Egorov, S. Application problems of process capability evaluation methods in modern quality assurance systems / S. Egorov, A. Kapitanov, A. Kozlova // IOP Conference Series: Materials Science and Engineering : International Conference on Modern Trends in Manufacturing Technologies and Equipment 2019, ICMTME 2019, Sevastopol, 09-13 сентября 2019 года. - Sevastopol: Institute of Physics Publishing, 2020. - P. 033054. - DOI 10.1088/1757-899X/709/3/033054.

137. Fisher, R.A. Statistical Methods for Research Workers / R.A. Fisher. -London, Olive and Boyd. - 1925.

138. Gitlow, H.S. Viewing statistics from a quality control perspective / H.S. Gitlow // International Journal of Quality & Reliability Management. - 2001. - vol.18, N0.2. - pp.169-179.

139. Hahn, G. The role of statistics in business and industry / G. Hahn, N. Doganaksoy. - John Wiley & Sons, Inc., 2008. - 344 P.

140. Hart, M.K. Statistical Process Control for Health Care /M.K. Hart, R.F. Hart. -Duxbury, Pacific Grove, CA. - 2002.

141. Hawkins, D.M. A Nonparametric Change-Point Control Chart / D.M. Hawkins, Q. Deng // Journal of Quality Technology. - 2010. - v.42, No.2. - pp.165-173.

142. Hawkins, D.M. Combined Charts for Mean and Variance Information / D.M. Hawkins, Q. Deng // Journal of Quality Technology. - 2009. - v.41, No.4. -pp.415-425.

143. Hawkins, D.M. The Changepoint Model for Statistical 22 Process Control / D.M. Hawkins, Peihua Qiu, Chang Wook Kang // Journal of Quality Technology. -2003. - vol.35, No.4 (October). - pp.355-366.

144. Hoerl, R. Statistical thinking: improving business performance / R. Hoerl, R. Snee. - Duxbury, 2002. - 529 P.

145. Hoyer, R.W. A Graphical Exploration of SPC. Part 1: SPC's definitions and procedures / R.W. Hoyer, W.C. Ellis // Quality Progress. - 1996. - vol.29, #5. -pp.65-73.

146. Hoyer, R.W. A Graphical Exploration of SPC. Part 2: The Probability Structure of Rules for Interpreting Control Charts / R.W. Hoyer, W.C. Ellis // Quality Progress. - 1996. - vol.29, #6. -pp.57-64.

147. Industrial Quality Control, v.10, pp.62-64.

148. ISO 8258:1991(E). - Shewhart control charts.

149. Jensen, W.A. Effects of Parameter Estimation on Control Chart Properties: A Literature Review/ W.A. Jensen, L. A. Jones-Farmer, Ch. W. Champ, W. H. Woodall // Journal of Quality Technology. - 2006. -vol.38, No.4. - pp.349-364.

150. Juran, J.M. Early SQC: A Historical Supplement / J.M. Juran. - Quality Progress, Sept., 1997. - pp. 73-81.

151. Kanji, G.K. Arif. Statistical Process Control: A New Approach / G.K. Kanji, Osama Hasan. - Wisdom House, 2003. - 186 P.

152. Kapitanov, A. The information model of the modern digital production / A. Kapitanov, A. Kozlova, S. Tyasto // MATEC Web of Conferences : 2018 International Conference on Modern Trends in Manufacturing Technologies and Equipment, ICMTMTE 2018, Sevastopol, 10-14 сентября 2018 года. - Sevastopol: EDP Sciences, 2018. - P. 02065. - DOI 10.1051/matecconf/201822402065.

153. Katsuya Hosotani. The QC Problem Solving Approach. Solving Workplace Problems, the Japanese Way. - Tokyo, 3A Corporation, 1989. - 170 P.

154. Laney, D. Improved Control Charts for Attributes / D. Laney. - Quality Engineering, 2002, v.14(4), P.531-537.

155. Levinson, W.A. Transparency Masters to Accompany SPC Essentials and Productivity Improvements: A Manufacturing Approach / W.A. Levinson, F. Tumbelty. - Milwaukee, ASQ Quality Press, 1997. - 408 P.

156. Mahmoud M.A., Henderson G.R., Epprecht E.K., and Woodall W.H. Estimating the Standard Deviation in Quality Control Applications. - Journal of Quality Technology, 2010, vol.42, No.4 (October), pp.348-357.

157. Montgomery, D.C. Introduction to Statistical Quality Control, 6th Ed /D.C. Montgomery. - John Wiley & Sons, 2009. - 734 P.

158. Montgomery, D.C. Journal of Quality Technology Has Practical Value

/D.C. Montgomery, P.R. Nelson // Quality Progress. - 1997. - vol.30, #3. - pp.10-11.

159. Morton, A. (ed.). Methods for Hospital Epidemiology and Healthcare Quality Improvement. - eICAT, 2005.

160. Neave, G. There's nothing normal about SPC! / G. Neave // Training for Quality. -1997. - vol.5, #3. - pp.106-111.

161. Nelson, L.S. The Shewhart Control Chart - Tests for Special Causes / L.S. Nelson //Journal of Quality Technology. - 1984. - vol.16, No.4 (October). - pp.237-239.

162. Nelson, L.S. When Should the Limits on a Shewhart Control Chart Be Other Than a Center Line ±3-Sigma? / L.S. Nelson. - J. Quality Technology, 2003, v.35(4), pp.424-425.

163. Ott, E.R. Process quality control: troubleshooting and interpretation of data / E.R. Ott, E.G. Schilling, D.V. Neubauer.- N.Y., McGraw-Hill (3rd Ed.), 2000. - 600 P.

164. Page, E.S. Continuous Inspection Schemes / E.S. Page. - Biometrics, 1954. - vol. 41(1). -pp.100-115.

165. Page, E.S. Control charts for the mean of a normal population/ E.S. Page // Journal of the Royal Statistical Society. - ser.B. - 1954. - v.16. - pp.131-135.

166. Palm, A. Discussion / A. Palm // Journal of Quality Technology. -2000. -vol.32, No.4 (October). -pp.356- 360.

167. QI Story: Tools and Techniques - QUALTEC QUALITY SERVICES, 1991. - 150 P.

168. Quesenberry, C. The Effect of Sample Size on Estimated Limits for X and X Control Charts / C. Quesenberry // Journal of Quality Technology. - 1993. -vol.25, No.4 (October). - pp.237-247.

169. Rigdon, S.E. Cruthis E.N. Champ C.W. Design Strategies for Individuals and Moving Range Control Charts / S.E. Rigdon, E.N. Cruthis, C.W. Champ // Journal of Quality Technology. - 1994. - vol.26, No.4 (Oct.). - pp.274-287.

170. Roberts, S.W. Control Chart Tests Based on Geometric Moving Averages /S.W. Roberts. - Technometrics, 1959, vol.42(1), p.97-102.

171. Saniga, E.M. Economic Statistical Control Chart Design with an

Application to x and R Charts /E.M. Saniga. - Technometrics, 1989, v.31(3), pp.313320.

172. Shewhart, W.A. Economic Control of Quality of Manufactured Product / W.A. Shewhart . - ASQ (republished), 1980. - 501 P.

173. Shewhart, W.A. Statistical Methods from the Viewpoint of Quality Control / W.A. Shewhart. - N.Y., Dover Publications, Inc., (republished), 1986. - 160 P.

174. Sullivan, J.H. A Control Chart for Preliminary Analysis of Individual Observations / J.H. Sullivan, W.H. Woodall // Journal of Quality Technology. - 1996. -vol.28, No.3 (July). - pp.265-278.

175. The Memory Jogger A Pocket Guide of Tools for Continuous Improvement. - GOAL/QPC, 1988. - 90 P.

176. Turner, R. The Red Bead Experiment for Educators/ R. Turner. - Quality Progress, June, 1988 - pp.69-74.

177. Walker, E. False Signal Rates for the Shewhart Control Chart with Supplementary Runs Tests/ E. Walker, J. W. Philpot, J. Clement // Journal of Quality Technology. - 1991. - vol.23, No.3 (July). - pp.247-252.

178. Western Electric. Statistical Quality Control Handbook. - Western Electric Corp. - 1956.

179. Wheeler, D. EMP III. Using Imperfect Data/ D. Wheeler. - SPC Press, 2006. - 316 P.

180. Wheeler, D. J. Advanced Topics in Statistical Process Control. The Power of Shewhart's Charts/ D. Wheeler. - SPC Press, 1995. - 470 P.

181. Wheeler, D. Understanding variation. The Key to Managing Chaos / D. Wheeler. - SPC Press, 1993. - 136 P.

182. Wise, S.A. Innovative control charting: practical SPC solutions for today's manufacturing environment/ S.A. Wise, D.C. Fair.- Milwaukee, ASQ Quality Press, 1998. - 292 P.

183. Woodall, W.H. Autocorrelated Data And SPC /W.H. Woodall, F.W. Faltin // ASQC Statistics Division Newsletter. - 1993. - v.13, #4. - pp.18-21.

184. Woodall, W.H. Conflicts Between Deming's Philosophy and the Economic

Design of Control Charts / W.H. Woodall. - Frontiers in Statistical Quality Control, 3rd Ed., Vienna, 1987. - pp.242-248.

185. Woodall, W.H. Control Charts Based on Attribute Data: Bibliography and Review /W.H. Woodall // Journal of Quality Technology. - 1997. - vol.29, No.2. -pp.172-183.

186. Woodall, W.H. Controversies and Contradictions in Statistical Process Control / W.H. Woodall // Journal of Quality Technology. - 2000. - vol.32, No.4 (October). - pp.341-350.

187. Woodall, W.H. Research Issues and Ideas in Statistical Process Control / W.H. Woodall, D.C. Montgomery, // Journal of Quality Technology. -1999. -vol.31, No.4 (October). - pp.376-386.

188. Woodall, W.H. Statistical process control with several components of common cause variability / W.H. Woodall, E.V. Thomas,. - IIE Transactions, 1995, vol.27, pp.757-764.

189. Woodall, W.H. Use of Control Charts in Health Care Monitoring and Public Health Sur- veillance (with discussion) /W.H. Woodall // Journal of Quality Technology. -2006. - vol.38, No.1. - pp.89-104.

190. Woodall, W.H. Using Ranges to Estimate Variability / W.H. Woodall, D.C. Montgomery. - Quality Engineering, 2001, vol.13(2), pp.211-217.

191. Woodall, W.H. Weakness of the Economic Design of Control Charts /W.H. Woodall. - Letter to the Edi-tor, Technometrics, 1986, v.28(4), pp.408-409.

192. Zhang Hang, et al. Determining Statistical Process Control Baseline Periods in Long Historical Data Streams / Zhang Hang, S.L. Albin, S.R. Wagner // Journal of Quality Technology. - 2010. - v.42, No.1. - pp.21-35.

ПРИЛОЖЕНИЕ А Фрагмент исходного текста программы оценки возможностей процесса и индексов воспроизводимости

ПРОГРАММА ДЛЯ ЭВМ Программный модуль оценки возможностей процесса и индексов воспроизводимости и пригодности процесса экспериментального образца комплекса программных средств «SPC StatPRO»

TfmEvaluationTP = class(TForm) Con: TADOConnection; RzPanel1: TRzPanel; RzPanel2: TRzPanel; RzBitBtn1: TRzBitBtn; cxEditRepository1: TcxEditRepository; cxStyleRepository1 : TcxStyleRepository; cxStyle_Grey: TcxStyle;

GridBandedTableViewStyleSheetDevExpress: TcxGridBandedTableViewStyleSheet;

q_IP: TADOQuery;

ds_IP: TDataSource;

q_IPID_IP: TIntegerField;

q_IPIzmeryaemiy_Priznak: TWideStringF ield;

lkcb_d_IP: TcxEditRepositoryLookupComboBoxItem;

cxGrid1: TcxGrid;

cxGrid1DBTableView1 : TcxGridDBTableView;

cxGrid1Level1: TcxGridLevel;

RzPanel4: TRzPanel;

RzDBNavigator1 : TRzDBNavigator;

RzPanel5: TRzPanel;

RzPanel3: TRzPanel;

RzPanel7: TRzPanel;

RzPanel10: TRzPanel; Label14: TLabel;

cb_SelectionSize: TcxEditRepositoryComboBoxItem; q_RightSolutionsMI_Import: TADOQuery; ds_RightSolutionsMI_Import: TDataSource; q_RightSolutionsMI_ImportID: TFloatField; q_RightSolutionsMI_ImportID_IS : TFloatField; q_RightSolutionsMI_ImportSredstvo_Izmereniya: TWideStringField; q_RightSolutionsMI_ImportU1e: TFloatField; q_RightSolutionsMI_ImportU2e : TFloatField; q_RightSolutionsMI_ImportID_IP: TFloatField; q_RightSolutionsMI_ImportIzmeryaemiy_Priznak: TWideStringField; q_RightSolutionsMI_ImportT: TFloatField; q_RightSolutionsMI_ImportID_Resheniye: TFloatField; 3

q_RightSolutionsMI_ImportResheniye: TWideStringField; q_RightSolutionsTP_Import: TADOQuery; ds_RightSolutionsTP_Import: TDataSource; q_RightSolutionsTE_Import: TADOQuery; ds_RightSolutionsTE_Import: TDataSource; q_RightSolutionsTP_ImportID_AD: TFloatField; q_RightSolutionsTP_ImportID_Measure : TFloatField; q_RightSolutionsTP_ImportMeasureCode: TWideStringField; q_RightSolutionsTP_ImportID_IP: TFloatField; q_RightSolutionsTP_ImportIzmeryaemiy_Priznak: TWideStringField; q_RightSolutionsTP_ImportID_Distribution: TFloatField; q_RightSolutionsTP_ImportDistributionLaw: TWideStringField; q_RightSolutionsTP_ImportNormalDistributionLaw: TBooleanField; q_RightSolutionsTP_ImportUpperSpecificationLimit: TFloatField; q_RightSolutionsTP_ImportLowerSpecificationLimit: TFloatField;

q_RightSolutionsTP_ImportTolerance: TFloatField; q_RightSolutionsTP_ImportX_average : TFloatField; q_RightSolutionsTP_ImportSigma: TFloatField; q_RightSolutionsTP_ImportLp_0_135: TFloatField; q_RightSolutionsTP_ImportM_50: TFloatField; q_RightSolutionsTP_ImportUp_99_865: TFloatField; q_RightSolutionsTP_ImportCpl: TFloatField; q_RightSolutionsTP_ImportCpu: TFloatField; q_RightSolutionsTP_ImportCpk: TFloatField; q_RightSolutionsTP_ImportCp: TFloatField; q_RightSolutionsTP_ImportID_Availability: TFloatField; q_RightSolutionsTP_ImportAvailability: TWideStringField; q_RightSolutionsTE_ImportID_AD: TFloatField; q_RightSolutionsTE_ImportID_Measure: TFloatField; q_RightSolutionsTE_ImportMeasureCode: TWideStringField; q_RightSolutionsTE_ImportID_IP: TFloatField; q_RightSolutionsTE_ImportIzmeryaemiy_Priznak: TWideStringField; q_RightSolutionsTE_ImportID_Distribution: TFloatField; q_RightSolutionsTE_ImportDistributionLaw: TWideStringField; q_RightSolutionsTE_ImportNormalDistributionLaw: TBooleanField; q_RightSolutionsTE_ImportUpperSpecificationLimit: TFloatField; q_RightSolutionsTE_ImportLowerSpecificationLimit: TFloatField; q_RightSolutionsTE_ImportTolerance: TFloatField; q_RightSolutionsTE_ImportX_average: TFloatField; q_RightSolutionsTE_ImportSigma: TFloatField; q_RightSolutionsTE_ImportLp_0_135: TFloatField; q_RightSolutionsTE_ImportM_50 : TFloatField; q_RightSolutionsTE_ImportUp_99_865 : TFloatField; q_RightSolutionsTE_ImportPpl: TFloatField; q_RightSolutionsTE_ImportPpu: TFloatField;

q_RightSolutionsTE_ImportPpk: TFloatField; q_RightSolutionsTE_ImportPp: TFloatField; q_RightSolutionsTE_ImportID_Availability: TFloatField; q_RightSolutionsTE_ImportAvailability: TWideStringField; q_KK: TADOQuery; ds_KK: TDataSource; q_KKID_KK: TAutoIncField; 4

q_KKFK_ID_IP: TIntegerField; q_KKKK_Code: TWideStringField; q_KKKK_SelectionSize: TWordField; q_KKXss: TFloatField; q_KKSs: TFloatField; q_KKA3: TFloatField; q_KKB3: TFloatField; q_KKB4: TFloatField; q_KKUCLX: TFloatField; q_KKLCLX: TFloatField; q_KKUCLS: TFloatField; q_KKLCLS: TFloatField; q_KKVGSTx: TFloatField; q_KKVGSTs: TFloatField; q_KKNGSTx: TFloatField; q_KKNGSTs: TFloatField; q_KKIsProcessStable: TBooleanField; q_KK_Selection: TADOQuery; ds_KK_Selection: TDataSource; Label15: TLabel; RzPanel11: TRzPanel; cxGrid4: TcxGrid;

cxGridDBTableView3 : TcxGridDBTableView; cxGridLevel3: TcxGridLevel;

cxGridDBTableView3MeasureCode: TcxGridDBColumn; cxGridDBTableView3DistributionLaw: TcxGridDBColumn; cxGridDBTableView3NormalDistributionLaw: TcxGridDBColumn; cxGridDBTableView3UpperSpecificationLimit: TcxGridDBColumn; cxGridDBTableView3LowerSpecificationLimit: TcxGridDBColumn; cxGridDBTableView3Tolerance: TcxGridDBColumn; cxGridDBTableView3X_average: TcxGridDBColumn; cxGridDBTableView3 Sigma: TcxGridDBColumn; cxGridDBTableView3Lp_0_135 : TcxGridDBColumn; cxGridDBTableView3M_50: TcxGridDBColumn; cxGridDBTableView3Up_99_865 : TcxGridDBColumn; cxGridDBTableView3Ppl: TcxGridDBColumn; cxGridDBTableView3Ppu: TcxGridDBColumn; cxGridDBTableView3Ppk: TcxGridDBColumn; cxGridDBTableView3Pp: TcxGridDBColumn; cxGridDBTableView3Availability: TcxGridDBColumn; RzPanel13: TRzPanel; cxGrid5: TcxGrid;

cxGridDBTableView4 : TcxGridDBTableView; cxGridLevel4: TcxGridLevel;

cxGridDBTableView4MeasureCode: TcxGridDBColumn; cxGridDBTableView4DistributionLaw: TcxGridDBColumn; 5

cxGridDBTableView4NormalDistributionLaw: TcxGridDBColumn; cxGridDBTableView4UpperSpecificationLimit: TcxGridDBColumn; cxGridDBTableView4LowerSpecificationLimit: TcxGridDBColumn; cxGridDBTableView4Tolerance: TcxGridDBColumn; cxGridDBTableView4X_average: TcxGridDBColumn;

cxGridDBTableView4Sigma: TcxGridDBColumn; cxGridDBTableView4Lp_0_135 : TcxGridDBColumn; cxGridDBTableView4M_50: TcxGridDBColumn; cxGridDBTableView4Up_99_865 : TcxGridDBColumn; cxGridDBTableView4Cpl: TcxGridDBColumn; cxGridDBTableView4Cpu: TcxGridDBColumn; cxGridDBTableView4Cpk: TcxGridDBColumn; cxGridDBTableView4Cp : TcxGridDBColumn; cxGridDBTableView4Availability: TcxGridDBColumn; RzDBNavigator2 : TRzDBNavigator; RzDBNavigator3 : TRzDBNavigator; RzDBNavigator4 : TRzDBNavigator; q_KK_SelectionID_X: TAutoIncField; q_KK_SelectionFK_ID_KK: TIntegerField; q_KK_SelectionKK_Number: TSmallintField; q_KK_SelectionX1 : TFloatField; q_KK_SelectionX2 : TFloatField; q_KK_SelectionX3 : TFloatField; q_KK_SelectionX4 : TFloatField; q_KK_SelectionX5 : TFloatField; q_KK_SelectionX_sred: TFloatField; q_KK_SelectionS: TFloatField; q_d_IP: TADOQuery; IntegerField1: TIntegerField; WideStringField1 : TWideStringField; ds_d_IP: TDataSource; cxGrid3: TcxGrid;

cxGridDBTableView2 : TcxGridDBTableView; cxGridLevel2: TcxGridLevel;

cxGridDBTableView2KK_Number: TcxGridDBColumn;

cxGridDBTableView2X1: TcxGridDBColumn; cxGridDBTableView2X2 : TcxGridDBColumn; cxGridDBTableView2X3 : TcxGridDBColumn; cxGridDBTableView2X4 : TcxGridDBColumn; cxGridDBTableView2X5 : TcxGridDBColumn; cxGridDBTableView2X_sred: TcxGridDBColumn; cxGridDBTableView2 S: TcxGridDBColumn; RzPanel6: TRzPanel; cxGrid6: TcxGrid;

cxGridDBTableView5 : TcxGridDBTableView; cxGridLevel5: TcxGridLevel; RzPanel12: TRzPanel; 6

cxGridDBTableView5B4 : TcxGridDBColumn; cxGridDBTableView5UCLX: TcxGridDBColumn; cxGridDBTableView5LCLX: TcxGridDBColumn; cxGridDBTableView5UCLS: TcxGridDBColumn; cxGridDBTableView5LCLS: TcxGridDBColumn; cxGridDBTableView5VGSTx: TcxGridDBColumn; cxGridDBTableView5VGSTs: TcxGridDBColumn; cxGridDBTableView5NGSTx: TcxGridDBColumn; cxGridDBTableView5NGSTs: TcxGridDBColumn; cxGridDBTableView5IsProcessStable: TcxGridDBColumn; Label1: TLabel;

cb_YesNo: TcxEditRepositoryComboBoxItem; cxDBComboBox1: TcxDBComboBox; q_d_Pp_Cp_Availability: TADOQuery; q_d_Pp_Cp_AvailabilityID_Availability: TIntegerField; q_d_Pp_Cp_AvailabilityAvailability: TWideStringField; q_d_Pp_Cp_AvailabilityLowerLimit: TFloatField;

q_d_Pp_Cp_AvailabilityUpperLimit: TFloatField;

ds_d_Pp_Cp_Availability: TDataSource;

cxGroupBox1: TcxGroupBox;

EdCpk: TcxTextEdit;

EdPp: TcxTextEdit;

EdPpk: TcxTextEdit;

cxTextEdit1: TcxTextEdit;

RzBitBtn2: TRzBitBtn;

EdCp: TcxTextEdit;

7

RzPanel10.Enabled := not(cxDBComboBox1.EditingValue); for I := 0 to cxGroupBox1.ControlCount - 1 do

cxGroupBox1.Controls[I].Enabled := not(cxDBComboBox1.EditingValue); for I := 0 to cxGroupBox2.ControlCount - 1 do

cxGroupBox2.Controls[I].Enabled := not(cxDBComboBox1.EditingValue); If (cxDBComboBox1.EditingValue) and (CB1PopUp) then ShowMessage('Процесс стабилен!'); end;

CB1PopUp := false; end;

procedure TfmEvaluationTP.cxDBComboBox1PropertiesPopup(Sender: TObject); begin

CB1PopUp := True; end;

procedure TfmEvaluationTP.cxDBLookupComboBox1PropertiesChange(Sender:

TObject);

begin

cxDBLookupComboBox1.PostEditValue; If q_RightSolutionsMI_Import.RecordCount = 0 then

ShowMessage('HeT пригодных средств измерения для данного измеряемого признака!');

If q_RightSolutionsTE_Import.RecordCount = 0 then

ShowMessage('^T пригодного технологического оборудования для данного измеряемого признака!');

If q_RightSolutionsTP_Import.RecordCount = 0 then

ShowMessage(№T воспроизводимого технологического процесса для данного

измеряемого признака!');

end;

procedure TfmEvaluationTP.FormCreate(Sender: TObject); begin

Dir:= ExtractFileDir ( ParamStr(0) );

Con.ConnectionString: -Provider=MicrosoftJet.OLEDB.4.0 ;Data Source='+ 8

Dir+'\DBEvaluationTP.mdb;Persist Security Info=False';

sql:= cl_sql.Create(Con, false);

q_IP.Open;

q_RightSolutionsMI_Import.Open;

q_RightSolutionsTP_Import.Open;

q_RightSolutionsTE_Import.Open;

q_KK.Open;

q_KK_Selection.Open;

q_d_IP.Open;

q_d_Pp_Cp_Availability.Open; end;

procedure TfmEvaluationTP.FormDestroy(Sender: TObject); begin

q_IP.Close;

q_RightSolutionsMI_Import.Close; q_RightSolutionsTP_Import.Close;

q_RightSolutionsTE_Import.Qose; q_KK.Close; q_KK_Selection.Close; q_d_IP.Close;

q_d_Pp_Cp_Availability.Close; end;

procedure TfmEvaluationTP.RzBitBtn1Qick(Sender: TObject);

var i, n, Ns: integer;

Xs, S, Xss, Ss, A_x, A_s: real;

begin

If q_KK_Selection.RecordCount = 0 then Exit;

//Расчет Xs и S

cxGrid3.BeginUpdate;

q_KK_Selection.First;

Xss := 0;

Ss := 0;

Ns := q_KK_Selection.RecordCount;

For i:= 0 to Ns - 1 do

begin

q_KK_Selection.Edit; n := q_KKKK_SelectionSize.AsInteger;

Xs := q_KK_SelectionX1.AsFloat + q_KK_SelectionX2.AsFloat +

q_KK_SelectionX3 .AsFloat +

q_KK_SelectionX4.AsFloat;

If n = 5 then Xs := Xs + q_KK_SelectionX5.AsFloat;

Xs := Xs / n;

q_KK_SelectionX_sred.AsFloat := Xs;

S := sqr(q_KK_SelectionX1 .AsFloat - Xs) + sqr(q_KK_SelectionX2.AsFloat - Xs) + sqr(q_KK_SelectionX3.AsFloat - Xs) + sqr(q_KK_SelectionX4.AsFloat - Xs); 9

If n = 5 then S := S + sqr(q_KK_SelectionX5.AsFloat - Xs); S := sqrt(s / n);

q_KK_SelectionS.AsFloat := S;

Xss := Xss + Xs;

Ss := Ss + S;

q_KK_Selection.Post;

q_KK_Selection.Next;

end;

cxGrid3 .EndUpdate;

//Расчет остальных параметров КК

cxGrid6 .BeginUpdate;

q_KK.Edit;

Xss := Xss / Ns;

q_KKXss.AsFloat := Xss;

Ss := Ss / Ns;

q_KKSs.AsFloat := Ss;

q_KKUCLX.AsFloat := Xss + q_KKA3.AsFloat * Ss; q_KKLCLX.AsFloat := Xss - q_KKA3.AsFloat * Ss; q_KKUCLS.AsFloat := q_KKB4.AsFloat * Ss; q_KKLCLS.AsFloat := q_KKB3.AsFloat * Ss; A_x := (q_KKUCLX.AsFloat - Xss) / 3; A_s := (q_KKUCLS.AsFloat - Ss) / 3; q_KKVGSTx.AsFloat := Xss + A_x; q_KKNGSTx.AsFloat := Xss - A_x; q_KKVGSTs.AsFloat := Ss + A_s; q_KKNGSTs.AsFloat := Ss - A_s; q_KK.Post; cxGrid6 .EndUpdate;

ShowMessage('Данные контрольной карты успешно обработаны.' + #13#10 +

'Дальнейший анализ наличия нарушений критериев стабильности процесса' +#13#10 +

'производится по построенному графику результатов выборок.'); end;

procedure TfmEvaluationTP.RzBitBtn2Click(Sender: TObject); var i: integer; PpCp: real; begin

//Определяем стабильность //1 - Процесс НЕ стабилен //2 - Процесс УДОВЛЕТВОРИТЕЛЬНО стабилен 10

//3 - Процесс стабилен For i := 1 to 3 do begin

q_d_Pp_Cp_Availability.Locate('ID_Availability', i, []);

PpCp := (StrToFloat(EdPp.Text) / StrToFloat(EdCp.Text));

If (q_d_Pp_Cp_AvailabilityLowerLimit.AsFloat < PpCp)

and (PpCp <= q_d_Pp_Cp_AvailabilityUpperLimit.AsFloat)

then cxTextEdit1.Text := q_d_Pp_Cp_AvailabilityAvailability.AsString;

end;

edPpCp.Text := FloatToStr(PpCp);

ShowMessage('Стабильность процесса успешно расчитана!');

end;

end.

ПРИЛОЖЕНИЕ Б Фрагмент исходного текста программы оценки пригодность технологического процесса

ПРОГРАММА ДЛЯ ЭВМ Программный модуль, оценивающий пригодность технологического процесса экспериментального образца комплекса программных средств «SPC StatPRO»

type

TfmCheckTP = class(TForm) Con: TADOConnection; q_Measure: TADOQuery; ds_Measure: TDataSource; q_MeasureResults: TADOQuery; ds_MeasureResults: TDataSource; RzPanel1: TRzPanel; RzPanel2: TRzPanel; CheckProcessing: TRzBitBtn; q_AvialabilityDecision: TADOQuery; cxEditRepository1: TcxEditRepository; ds_AvialabilityDecision: TDataSource; cxStyleRepository1 : TcxStyleRepository; cxStyle_Grey: TcxStyle;

GridBandedTableViewStyleSheetDevExpress: TcxGridBandedTableViewStyleSheet; q_MeasureID_Measure: TAutoIncField; q_MeasureFK_ID_IP: TIntegerField; q_MeasureMeasureCode: TWideStringField; q_MeasureFK_ID_Distribution: TIntegerField; q_MeasureUpperSpecificationLimit: TFloatField; q_MeasureLowerSpecificationLimit: TFloatField; q_MeasureTolerance: TFloatField;

q_MeasureResultsID_X: TAutoIncField; q_MeasureResultsValue_X: TFloatField; q_MeasureResultsFK_ID_Measure: TIntegerField; q_d_IP: TADOQuery; ds_d_IP: TDataSource; q_d_DistributionLaw: TADOQuery; ds_d_DistributionLaw: TDataSource; q_d_Availability: TADOQuery; ds_d_Availability: TDataSource; q_d_IPID_IP: TIntegerField; q_d_IPIzmeryaemiy_Priznak: TWideStringField; q_d_DistributionLawID_Distribution: TIntegerField; q_d_DistributionLawDistributionLaw: TWideStringField; q_d_DistributionLawNormalDistributionLaw: TBooleanField; q_d_AvailabilityID_Availability: TIntegerField; 3

q_d_AvailabilityAvailability: TWideStringField; q_d_AvailabilityLowerLimit: TFloatField; q_d_AvailabilityUpperLimit: TFloatField; lkcb_IP: TcxEditRepositoryLookupComboBoxItem; lkcb_DistributionLaw: TcxEditRepositoryLookupComboBoxItem; lkcb_Availability: TcxEditRepositoryLookupComboBoxItem; q_AvialabilityDecisionID_AD: TAutoIncField; q_AvialabilityDecisionFK_ID_Measure: TIntegerField; q_AvialabilityDecisionUp_99_865: TFloatField; q_AvialabilityDecisionLp_0_135: TFloatField; q_AvialabilityDecisionCpk: TFloatField; q_AvialabilityDecisionCp: TFloatField; q_AvialabilityDecisionFK_ID_Availability: TIntegerField; RzPanel4: TRzPanel;

RzDBNavigator1 : TRzDBNavigator; RzPanel5: TRzPanel; RzPanel6: TRzPanel; RzDBNavigator2 : TRzDBNavigator; RzPanel3: TRzPanel; cxGrid3: TcxGrid;

cxGridDBTableView2 : TcxGridDBTableView; cxGridLevel2: TcxGridLevel; RzPanel7: TRzPanel;

cxGridDBTableView2Availability: TcxGridDBColumn;

cxGridDBTableView2LowerLimit: TcxGridDBColumn;

cxGridDBTableView2UpperLimit: TcxGridDBColumn;

RzPanel8: TRzPanel;

cxDBTextEdit1 : TcxDBTextEdit;

Label11: TLabel;

Label1: TLabel;

cxDBTextEdit2: TcxDBTextEdit; cxDBTextEdit3: TcxDBTextEdit; Label2: TLabel; Label3: TLabel;

cxDBCheckBox1 : TcxDBCheckBox; cxDBTextEdit4: TcxDBTextEdit; q_d_DistributionLawForMeasure: TADOQuery; IntegerField1: TIntegerField; WideStringField1 : TWideStringField; 4

BooleanField1: TBooleanField; ds_d_DistributionLawForMeasure : TDataSource; RzPanel9: TRzPanel; cxGroupBox1: TcxGroupBox;

cxDBTextEdit8: TcxDBTextEdit; cxDBTextEdit9: TcxDBTextEdit; cxDBTextEdit 10 : TcxDBTextEdit; q_AvialabilityDecisionX_average: TFloatField; q_AvialabilityDecisionSigma: TFloatField; q_AvialabilityDecisionM_50: TFloatField; q_AvialabilityDecisionCpl: TFloatField; q_AvialabilityDecisionCpu: TFloatField; RzPanel10: TRzPanel; Label6: TLabel; Label10: TLabel; Label12: TLabel;

cxDBTextEdit11 : TcxDBTextEdit; cxDBTextEdit7: TcxDBTextEdit; cxDBTextEdit 12 : TcxDBTextEdit; cxDBTextEdit13: TcxDBTextEdit; Label13: TLabel; Label14: TLabel;

cxDBTextEdit 14 : TcxDBTextEdit; q_d_AvailabilityForAvialabilityDecision: TADOQuery; IntegerField2: TIntegerField; WideStringField2: TWideStringField; FloatField1: TFloatField; FloatField2: TFloatField;

ds_d_AvailabilityForAvialabilityDecision: TDataSource; 5

cxGroupBox1.Controls[I].Enabled := cxDBCheckBox1.Checked; for I := 0 to cxGroupBox2.ControlCount - 1 do cxGroupBox2.Controls[I].Enabled := not(cxDBCheckBox1.Checked); end;

procedure TfmCheckTP.FormCreate(Sender: TObject); begin

Dir:= ExtractFileDir ( ParamStr(0) );

Con.ConnectionStrmg:-Provider=MicrosoftJetOLEDB.4.0;Data Source='+

Dir+'\DBCheckTP.mdb;Persist Security Info=False';

sql:= cl_sql.Create(Con, false);

q_Measure.open;

q_MeasureResults.open;

q_AvialabilityDecision.open;

q_d_IP.open;

q_d_DistributionLaw.open;

q_d_Availability.open;

q_d_DistributionLawForMeasure.open;

q_d_AvailabilityForAvialabilityDecision.open;

end;

procedure TfmCheckTP.FormDestroy(Sender: TObject); begin

q_Measure.close; q_MeasureResults.close; q_AvialabilityDecision.close; q_d_IP.close;

q_d_DistributionLaw.close;

q_d_Availability.close;

q_d_DistributionLawForMeasure.close;

q_d_AvailabilityForAvialabilityDecision.close;

end;

procedure TfmCheckTP.q_MeasureAfterInsert(DataSet: TDataSet); begin

q_MeasureInsertRecord := True; end;

procedure TfmCheckTP.q_MeasureAfterPost(DataSet: TDataSet); begin

//Добавление строки в таблице AvialabilityDecision

If q_MeasureInsertRecord then

begin

q_AvialabilityDecision.Insert;

q_AvialabilityDecisionFK_ID_Measure.AsInteger :=

q_MeasureID_Measure.AsInteger;

q_AvialabilityDecision.Post;

q_MeasureInsertRecord:= false;

end;

end;

procedure TfmCheckTP.q_MeasureBeforePost(DataSet: TDataSet); begin

q_MeasureLowerSpecificationLimit.AsFloat := q_MeasureUpperSpecificationLimit.AsFloat -q_MeasureTolerance.AsFloat; end;

procedure TfmCheckTP.q_MeasureResultsAfterInsert(DataSet: TDataSet); begin

q_MeasureResultsFK_ID_Measure.AsInteger : = q_MeasureID_Measure.AsInteger; end;

procedure TfmCheckTP.CheckProcessingClick(Sender: TObject); var i: integer;

x_sred, Sigma, Cpl, Cpu, Cpk, Cp: real; begin

If cxDBCheckBox1.Checked THEN //Нормальный закон распределения begin